Essays on the Interaction Between Risk and Market Structure in Electricity Markets
Notice bibliographique
Résumé
<p>This thesis proposes a new framework to jointly analyze electricity spot market and hedging decisions in an oligopolistic setup. Firstly, we find that, when exogenous, both quantity of electricity hedged by contract and vertical integration decrease the equilibrium spot price. Secondly, we use a hybrid approach and show that market structure can affect a generator’s decision to vertically integrate under uncertain demand. Thirdly, we consider uncertainty in costs and demand and show that concentration in the spot market, for a given hedge quantum, can increase forward prices and affect the slope of the forward curve. Our empirical results indicate that the model fits the New Zealand electricity market well. This evidence that market structure and hedging decisions are closely connected is further explored in a three period equilibrium model for the spot and forward markets, where hedging occurs prior to the submission of supply curves. Taking into account demand-side and supply-side uncertainties, we find that when hedging is endogenous, hedging quantities are affected by spot market parameters, but market power is itself mitigated in the conscious hedging choice of generators. We also show that forward markets can coexist with highly vertically integrated markets. The importance of our results is general. Our models can be used by policy makers to analyze investment and forward price implications of changes in the spot market structure. Our results also indicate that electricity generators, in equilibrium, face a trade-off between market power and hedging. Given that it is socially beneficial to manage risk, the equilibrium impact of their choices on welfare should not be considered in isolation by competition authorities.</p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».